| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题研究背景 | 第11-13页 |
| 1.2 课题研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 问题提出 | 第16-17页 |
| 1.4.1 现有的社区发现算法难以准确地发现稳定的重叠社区结构 | 第16-17页 |
| 1.4.2 基于节点的社区发现算法难以发现网络中重叠度较高的社区结构 | 第17页 |
| 1.4.3 传统的社区发现算法无法进一步识别社区中的层次关系 | 第17页 |
| 1.5 本文主要内容和组织结构 | 第17-21页 |
| 1.5.1 主要内容 | 第17-19页 |
| 1.5.2 组织结构 | 第19-21页 |
| 第二章 基于非重叠极大子团的标签传播社区发现算法 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 LPA算法 | 第21-22页 |
| 2.3 LPAc算法 | 第22-26页 |
| 2.3.1 非重叠极大子团提取 | 第22-23页 |
| 2.3.2 标签传播率概率模型提出 | 第23-24页 |
| 2.3.3 社区结构调整 | 第24-25页 |
| 2.3.4 算法描述 | 第25页 |
| 2.3.5 算法复杂度分析 | 第25-26页 |
| 2.4 实验结果及分析 | 第26-31页 |
| 2.4.1 评价指标 | 第26-27页 |
| 2.4.2 计算机生成网络 | 第27-30页 |
| 2.4.3 真实社会网络 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于核心链路的重叠社区发现算法 | 第33-41页 |
| 3.1 引言 | 第33页 |
| 3.2 CLCD算法 | 第33-36页 |
| 3.2.1 基本思想 | 第33-34页 |
| 3.2.2 基本概念 | 第34页 |
| 3.2.3 算法描述 | 第34-36页 |
| 3.2.4 算法复杂度分析 | 第36页 |
| 3.3 实验结果及分析 | 第36-39页 |
| 3.3.1 评价指标 | 第37页 |
| 3.3.2 计算机生成网络 | 第37-39页 |
| 3.3.3 真实社会网络 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于种子节点集的社区层次结构发现算法 | 第41-49页 |
| 4.1 引言 | 第41-42页 |
| 4.2 HSS算法 | 第42-44页 |
| 4.2.1 算法准备 | 第42-43页 |
| 4.2.2 算法描述 | 第43页 |
| 4.2.3 算法复杂度分析 | 第43-44页 |
| 4.3 实验结果及分析 | 第44-47页 |
| 4.3.1 计算机生成网络 | 第44-45页 |
| 4.3.2 真实社会网络 | 第45-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 全文总结 | 第49页 |
| 5.2 本文的主要创新点 | 第49页 |
| 5.3 下一步研究工作展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第57页 |
